电池性能与寿命预测工程师

描述： 致力构建电池性能与寿命白箱预测体系，依托机理+AI的数字孪生技术，实现电池寿命与电化学性能精准预测、闭环优化与跳水风险早期评估，并结合实际工程场景，跨部门协作，实现模型到产品的价值转换。

1. 01

   负责电化学机理模型和寿命模型的优化与自主开发，融和机理仿真与数据驱动方法，构建可预测电芯性能、容量衰减等关键指标的高保真仿真方案，为电池材料选型与结构设计提供定量决策依据；

2. 02

   研发参数辨识与自适应标定方法，基于EIS、GITT等实验数据，实现模型关键参数的自动标定与在线更新，提升模型在全生命周期下的泛化能力与工程适用性；

3. 03

   制定电池模型的工程化部署方案，将仿真模型嵌入生产在线检测系统、BMS算法框架及设计仿真平台，实现从“实验室模型”到“工具产品”的无缝转化，支撑电池设计、生产一致性评估、实车电池状态评估、实时充电策略优化等核心业务场景；

4. 04

   协同电芯设计、工艺与测试团队，通过仿真反哺实验设计，输出可落地的改进建议，缩短从问题发现到方案验证的迭代周期，降低物理样机试错成本，助力电池从“试错研发”迈向“正向设计”

1. 01

   硕士及以上学历，电化学、控制、系统工程、应用数学、AI、能源动力等相关专业；

2. 02

   具备较强数学功底与工程问题建模能力；

3. 03

   符合以下条件之一：

4. 01

   熟悉锂离子电池性能退化机理与寿命预测方法，掌握P2D等多尺度电化学模型；

5. 02

   具备数据驱动建模能力，熟练使用Python，掌握机器学习/深度学习回归、时序预测方法；

6. 03

   了解模型降阶（ROM）技术、参数辨识与状态估计（如KF/粒子滤波）；

7. 04

   有电池BMS、SoC/SoH/SoP估计、充放电工况数据建模经验；

8. 04

   加分项：参与过下述领域相关的研发工作：

9. 01

   数字孪生、状态估计与健康管理(OHM) ；

10. 02

    大模型时序预测、Transformer等前沿AI在电池领域的应用；

11. 03

    加速老化测试、极端工况失效机理研究 ；

12. 04

    云平台/边缘计算的电池大数据分析系统开发